具身rsi - 具身rsi技术,学习,经验文章

v_JULY_v

3 小时前

ENPIRE——Agent驱动的机器人策略自我改进(具身RSI的代表之一)：自动奖励验证、自动复位、无人值守的策略迭代通过本博客中的此文《π∗0.6——通过RL框架RECAP微调流式VLA π0.6：先基于示教数据做离线RL预训练，再SFT(即IL微调)，最后在线RL后训练(与环境自主交互，从经验数据中学习，且必要时人工干预)》，可知在通过π*0.6做真机RL迭代的时候，数采时还需通过人工打标(标注成/败)的方式，给予模型反馈，那对于一些不那么复杂的任务，是否可以做到自动给奖励反馈呢